例如，智能可能被用来开发一种新的实验范式，使我们能够在体外学习过去需要活体学习的东西 动物实验，或构建收集新数据所需的工具（例如更大的粒子 加速器），或者（在道德限制内）找到绕过人为限制的方法（例如帮助 改善临床试验体系，帮助建立临床试验较少的新管辖区 官僚主义，或者改进科学本身，使人体临床试验变得不那么必要或更便宜）。因此，我们应该想象这样的画面：智能最初受到其他生产要素的严重限制，但随着时间的

通过上述各种主题，我试图描绘出一个既合理又 如果人工智能一切顺利，情况会比现在好得多。我不知道这是否 世界是现实的，即使现实，如果不付出巨大的努力和 许多勇敢而敬业的人都在为此奋斗。每个人（包括人工智能公司！）都需要这样做 他们的 既要防范风险，又要充分实现效益。但这是一个值得为之奋斗的世界。如果这一切真的在 5 到 10 年内实现——大多数疾病被击败、生物和认知自由得到增长、数十亿人摆脱贫困并享

计算梯度是机器学习里面最贵的一部分，所以不能太小2. 线性回归的从0开始实现yield 表示随机的返回学习率很小从0.003 改为0.001的情况下，loss变化很小学习率很大从0.003 改为10的情况下，loss变化求不出来，有可能y变化是0，做除法就出现异常了。3. 线性回归的简介实现nn.Sequential: list of layer参考https://www.bilibili.com

正如我们在第 2.4 节中所解释的，微分是几乎所有深度学习优化算法中的关键步骤。虽然获取这些导数的计算很简单，只需要一些基本的微积分，但对于复杂的模型，手动计算更新可能会很痛苦（而且通常容易出错）。深度学习框架通过自动计算导数来加速这项工作，即自动微分。在实践中，基于我们设计的模型，系统构建了一个计算图，跟踪哪些数据通过哪些操作组合以产生输出。自动微分使系统能够随后反向传播梯度。在这里，反向传播只

1. 环境搭建2. 环境搭建起来后，环境架构介绍3. 环境如何用4. 部署 Chaincode5. 智能合约的调用

卷积审计网络 看书太复杂，被劝退的概率太高。1. 卷积 – 用吃饭消化 来理解卷积函数 f(t)g(x-t)卷积：不稳定输入，稳定输出，求系统存量卷积就是把g(x) 函数翻转了，因为翻转了，所以叫做卷积2. 卷积神经网络 的主要功能是识别图片里面的内容，比如图片是猫是狗周围像素点如何对当前的点产生影响图像的卷积操作f(t) = 不稳定输入g(x-t) = 稳定输出电脑里面的图片都可以看作是一个一个

案例：跨境电商如何用ChatGFT选品ChatGPT+素材和资料来自：Jungle ScoutEM, Michael Soltis 和 文韬武韬AIGC。

1. 物体检测算法：R-CNNRegion-CNN 区域卷积神经网络2. SSD Single shot detection 单发多框检测3. YOLO - you only look onceyou only live once --> you only look oncecenter_net 非锚框 物体检测4. Q&A测试数据增强做平均，一般是概率做平均，在softmax上做平

gear: 齿轮throttle:减速, 节流阀torque:转矩gentle longitudinal maneuvers:细致巧妙的移动第 2 课补充阅读：使用 PID 的纵向速度控制补充阅读：带PID的纵向速度控制要更深入地了解纵向控制，请阅读以下教科书中的第 5 章（第 123-150 页）：R. Rajamani，“纵向控制简介”，载于：车辆动力学和控制，机械工程系列，https ???

1. 实战 Kaggle 比赛：图像分类（CIFAR-10）https://www.kaggle.com/c/cifar-102. Q&A凸函数表示有最优解。损失函数是个凸函数，但是神经网络大多数都是非凸的，一般神经网络是没有最优解的。momentum表示把曲线变得平滑一点。Scheduler 前期选择的学习率大一点，后期学习率变小一点。类似年轻的时候多出去看看。sgd 相当于做了regu